تعتبر مسابقة HIPE-OCRepair 2026 جزءًا من مؤتمر ICDAR وتمثل خطوة كبيرة في مجال تصحيح النصوص الناتجة عن تقنية التعرف الضوئي على الأحرف (OCR) والتي تُعاني غالبًا من أخطاء ل Legacy OCR. مع تزايد الأرشيفات الرقمية، أصبحت الحاجة ملحة لتطوير التقنيات التي يمكن أن تتجاوز هذه الأخطاء دون الحاجة إلى إعادة الرقمنة الشاقة للمستندات.

تركز هذه المسابقة على استخدام نماذج اللغات الكبيرة (LLMs) لتحقيق تصحيح فعال للأخطاء في النصوص التاريخية. فلم تكن الأبحاث التي تناولت فعالية هذه النماذج عبر لغات وأنواع مستندات متعددة كافية لتقديم حلول ملموسة حتى الآن. ولذلك تم تدشين HIPE-OCRepair-2026 بهدفين رئيسيين:
1. تقييم القدرات الحالية لنظم تصحيح OCR.
2. توفير إطار تقييم قابل للتكرار، يعتمد على مجموعة بيانات HIPE-OCRepair-2026، والتي تدريبت بشكل موحد لتجمع بين الموارد التاريخية المُعتمدة.

تضمن المشاركون تصحيح النصوص المشوشة الناتجة عن الصحف والمطبوعات التاريخية باللغات الإنجليزية والفرنسية والألمانية من القرن السابع عشر وحتى القرن العشرين. واجهت الفرق تحديات تتعلق بالتحسين دون الوصول إلى الصور المصدر، حيث اعتمد تقييم الأداء على أسلوب جمع المعلومات بدلاً من الدقة الصارمة، مما يعكس الاستخدام العملي العائد من هذه التكنولوجيا.

قدمت أربع فرق أنظمة تتراوح بين تحفيز Zero-shot إلى إعادة التدريب، مما وفر رؤى مثيرة حول فعالية استراتيجيات التكيف المختلفة. أظهرت النتائج أن الأنظمة المدعومة بـ LLM يمكن أن تحسن بشكل كبير من جودة OCR، لكن الأداء يختلف حسب مجموعة البيانات واللغة وظروف الضوضاء. كما تم تسليط الضوء على تحدي الإفراط في التصحيح عند التعامل مع المدخلات ذات الضوضاء المنخفضة، مما يبرز أهمية تقييم الأداء بما يتجاوز تقليل أخطاء الأحرف.

لعبت مجموعة البيانات، ونظام التقييم، وقناة التقييم دوراً مهماً في دعم الأبحاث المستقبلية، حيث تم إطلاقها للجمهور لتكون بمثابة مرجع في هذا المجال.

ما رأيكم في هذه التطورات المثيرة في عالم الذكاء الاصطناعي وما تحمله من آفاق جديدة في تصحيح الوثائق التاريخية؟ شاركونا في التعليقات!